Knowledge Commons of Institute of Automation，CAS
| 基于肌电−惯性融合的人体运动估计: 高斯滤波网络方法 | |
| 杨旭升; 李福祥; 胡佛; 张文安 | |
| 发表期刊 | 自动化学报
 |
| ISSN | 0254-4156 |
| 2024 | |
| 卷号 | 50期号:5页码:991-1000 |
| 摘要 | 本文研究了基于肌电(Electromyography, EMG)−惯性融合的人体运动估计问题, 提出了一种序贯渐进高斯滤波网络(Sequential progressive Gaussian filtering network, SPGF-net)估计方法来形成肌电和惯性的互补性优势, 以提高人体运动估计精度和稳定性. 首先, 利用卷积神经网络对观测数据进行特征提取, 以及利用长短期记忆(Long short-term memory, LSTM)网络模型来学习噪声统计特性和量测模型. 其次, 采用序贯融合的方式融合异构传感器量测特征, 以建立高斯滤波与深度学习相结合的网络模型来实现人体运动估计. 特别地, 引入渐进量测更新对网络量测特征的不确定性进行补偿. 最后, 通过实验结果表明, 相比于现有的卡尔曼滤波网络, 该融合方法在上肢关节角度估计中的均方根误差(Root mean square error, RMSE)下降了13.8%, 相关系数(R2)提高了4.36%. |
| 关键词 | 高斯滤波网络 多传感器融合 人体运动估计 非线性卡尔曼滤波 |
| DOI | 10.16383/j.aas.c230581 |
| 引用统计 | |
| 文献类型 | 期刊论文 |
| 条目标识符 | http://ir.ia.ac.cn/handle/173211/56713 |
| 专题 | 学术期刊_自动化学报 |
| 推荐引用方式 GB/T 7714 | 杨旭升,李福祥,胡佛,等. 基于肌电−惯性融合的人体运动估计: 高斯滤波网络方法[J]. 自动化学报,2024,50(5):991-1000. |
| APA | 杨旭升,李福祥,胡佛,&张文安.(2024).基于肌电−惯性融合的人体运动估计: 高斯滤波网络方法.自动化学报,50(5),991-1000. |
| MLA | 杨旭升,et al."基于肌电−惯性融合的人体运动估计: 高斯滤波网络方法".自动化学报 50.5(2024):991-1000. |
| 条目包含的文件 | 下载所有文件 | |||||
| 文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
| AAS-CN-2023-0581.pdf（3608KB） | 期刊论文 | 出版稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 | |
| 个性服务 |
| 推荐该条目 |
| 保存到收藏夹 |
| 查看访问统计 |
| 导出为Endnote文件 |
| 谷歌学术 |
| 谷歌学术中相似的文章 |
| [杨旭升]的文章 |
| [李福祥]的文章 |
| [胡佛]的文章 |
| 百度学术 |
| 百度学术中相似的文章 |
| [杨旭升]的文章 |
| [李福祥]的文章 |
| [胡佛]的文章 |
| 必应学术 |
| 必应学术中相似的文章 |
| [杨旭升]的文章 |
| [李福祥]的文章 |
| [胡佛]的文章 |
| 相关权益政策 |
| 暂无数据 |
| 收藏/分享 |
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。
修改评论